基于深度學習的圖像邊緣和輪廓提取方案解析

導讀：邊緣和輪廓的提取是一個非常棘手的工作，細節(jié)也許就會被過強的圖像線條掩蓋，紋理（texture）本身就是一種很弱的邊緣分布模式，分級（hierarchical）表示是常用的方法，俗稱尺度空間（scale space）。以前做移動端的視覺平臺，有時候不得不把一些圖像處理功能關掉，原因是造成了特征畸變?，F(xiàn)在 CNN 模型這種天然的特征描述機制，給圖像預處理提供了不錯的工具，它能將圖像處理和視覺預處理合二為一。

邊緣提取

1. HED

整體嵌套邊緣檢測（Holistically-Nested Edge Detection，HED 是一個深度學習的邊緣提取的算法，兩個特色：（1）整體圖像訓練和預測; （2）多尺度、多層特征學習。該深度模型利用全卷積網(wǎng)絡，自動學習豐富的分層表示（基于側面響應的深層監(jiān)督指導）。

多尺度深度學習可分為四類，即多流學習（multi-stream）、跳網(wǎng)（skip-net learning）學習、多輸入單模型以及獨立網(wǎng)訓練，如圖所示：（a）多流架構; （b）跳網(wǎng)架構; （c）多尺度輸入的單一模型; （d）不同網(wǎng)絡獨立訓練; （e）HED，其中添加多個側面輸出。

在表示和計算復雜性方面，（a）-（d）方法存在冗余。（e）HED 是一個相對簡單的變體，能夠從多個尺度產生預測。該結構可以被解釋為（d）“獨立網(wǎng)絡”法的“整體嵌套”版，包括多個側輸出的單流深度網(wǎng)絡。隱藏層監(jiān)督可以改善圖像分類任務的優(yōu)化和泛化。如果需要統(tǒng)一輸出，多側向輸出可以靈活地添加額外的融合層。

如圖是 HED 的網(wǎng)絡架構圖，在卷積層之后插入側輸出層，在每個側輸出層施加深度監(jiān)督，引導側輸出成為邊緣預測。HED 輸出是多尺度多層，側輸出面變小，感受野變大。一個加權融合層自動學習如何組合來自多個尺度的輸出。整個網(wǎng)絡通過多個誤差傳播路徑（虛線）訓練。

下圖給出HED的部分實驗結果。（a）測試圖像；（b）手工標注的邊緣；（c）HED 結果。（d）、（e）和（f）卷積神經(jīng)網(wǎng)絡的層2、3和4的側邊響應。（g）、（h）和（i）Canny 邊緣檢測器在尺度 σ= 2.0、σ= 4.0 和 σ= 8.0 的邊緣響應。HED 與 Canny 在一致性方面顯示出明顯的優(yōu)勢。

2. CASENet

CASENet 將每個邊緣像素與多于一個的邊緣類相關聯(lián)，是一種基于 ResNet 的端到端深度語義邊緣學習的架構，同時也是一種跳層（skip-layer）架構，其中頂層卷積層的類別邊緣激活共享并與底層特征的同一集融合，這里一種多標簽損失函數(shù)來監(jiān)督激活的融合。

三種 CNN 架構的比較如圖（a）-（c）所示。圖中實心矩形表示 CNN 層的組合塊。寬度減小表示輸出特征圖的空間分辨率下降2倍。箭頭旁邊的數(shù)字表示輸出特征的通道數(shù)。藍色實心矩形是一堆 ResNet 塊。紫色實心矩形是分類模塊。紅色虛線框表示輸出由損失函數(shù)監(jiān)控?；疑珜嵭木匦问莻让嫣卣魈崛∧K。深綠色實心矩形是融合分類模塊，執(zhí)行 K 個分組1×1卷積。圖（d）-（h）是圖（a）-（c）中模塊細節(jié)，其中矩形是輸入和輸出特征圖。

圖（a）是基礎網(wǎng)絡，采用全卷積網(wǎng)絡框架，在 ResNet-101 刪除平均池化和全連接層并保留底部卷積塊；將 ResNet-101 中第一個和第五個卷積塊（“res1”和“res5”）的步幅從2改為1；將擴張因子（dilation factors）引入后續(xù)的卷積層以保持原始 ResNet 相同的感受野；在基礎網(wǎng)絡的頂部，添加分類模塊（圖（d））作為1×1卷積層，然后是雙線性上采樣（由 K 分組反卷積層實現(xiàn)）產生一個 K 個激活圖 { A1，···，AK } 的集合，其中每個激活圖都與圖像尺寸相同；然后，Yk（p）=σ（Ak（p））定義的 sigmoid 單元對像素屬于第 k 類邊緣的概率建模。

前面 HED 網(wǎng)絡的基本思路是除了頂部網(wǎng)絡損失以外還考慮底層卷積損失。另外，通過監(jiān)督側面激活的線性組合來獲得融合邊緣圖。不過，HED 僅執(zhí)行二進制邊緣檢測。深度監(jiān)督網(wǎng)絡（DSN）擴展了這種架構，處理側輸出的K通道和最終輸出的 K 通道，如圖（b）所示。在該網(wǎng)絡中，將上述分類模塊連接到每個殘差塊的輸出，產生5個側分類激活圖 { A（1）, ... , A（5）}，其中每個激活圖都有K通道。然后，通過切片連接層（sliced concatenation layer）融合這5個激活圖（圖中顏色表示圖（g）的通道索引）產生 5K 通道激活圖：

Af 饋入融合分類層，該分類層執(zhí)行 K-組 1×1卷積（圖（f））產生 K-通道激活圖A（6）。最后，在激活圖 {A（1），...，A（6）}計算6個損失函數(shù)，為該網(wǎng)絡提供深入監(jiān)督。

由于監(jiān)督5個側面激活，隱含地約束了那些側面激活的每個通道只帶有該類別最相關的信息。由于切片級聯(lián)和分組卷積，像素 p 的融合激活由下式給出：

CASENet 采用嵌套式架構（nested architecture），改進點如下：

① 將底部分類模塊更換為特征提取模塊。

② 放置分類模塊，僅在網(wǎng)絡頂部施加監(jiān)督。

③ 采用共享串聯(lián)（圖（h））而不是切片連接。

側面特征提取和側面分類之間的區(qū)別在于前者僅輸出單個通道特征圖 F（j）而不是 K 類激活。共享級聯(lián)從 Side-1-3 復制底部特征 F = {F（1），F(xiàn)（2），F(xiàn)（3）}，分別與 K 個頂部激活的每一個相連接：

到的連接激活圖再被饋送到有 K-分組卷積的融合分類層，產生 K-通道激活圖 A（6）。

通常 CASENet 被認為是聯(lián)合邊緣檢測和分類的網(wǎng)絡，它讓較低級的特征參與并通過跳層結構增強高級的語義分類。

下圖是 CASENet 和 DSN 的結果比較，從左到右：輸入，基礎事實，DSN 和 CASENet。CASENet 在具有挑戰(zhàn)性的目標上顯示出更好的檢測質量，而 DSN 在非邊緣像素有更多的誤報。

輪廓提取

1. DeepEdge

以前大多使用紋理或顯著性等低級特征來檢測輪廓，而 DeepEdge 利用目標相關特征作為輪廓的高級線索檢測。設計的是多級深度網(wǎng)絡，由五個卷積層和一個分叉全連接子網(wǎng)絡（bifurcated fully-connected subnetwork）組成。從輸入層到第五個卷積層是預訓練網(wǎng)絡，直接用于圖像輸入的四個不同尺度。將這四個平行且相同的數(shù)據(jù)流連接到兩個獨立訓練的分支組成的分叉子網(wǎng)絡，一個分支學習預測輪廓似然（以分類為目標），而另一個分支訓練學習在給定點輪廓的存在（基于回歸測度），如圖是 DeepEdge 架構圖，其中 Canny 邊緣檢測器提取候選輪廓點，然后在每個候選點周圍，提取四個不同尺度的補丁，同時通過預訓練的 KNet 五個卷積層。

一個解釋模型架構的單尺度示意圖，在下圖給出：首先，輸入以候選點為中心的補丁，經(jīng)過 KNet 五個卷積層；為了提取高級特征，在每個卷積層提取圍繞中心點的特征圖的小子容積，并在子容積上執(zhí)行最大、平均和中心池化。池化值饋入分叉子網(wǎng)絡。測試時，從分叉子網(wǎng)絡的分支計算的標量輸出做平均，生成最終輪廓預測。

如圖給出部分實驗結果：左到右依次為輸入圖像、Canny 邊緣檢測器產生的候選點集合、非閾值預測、閾值預測和基礎事實圖。為了生成閾值預測，概率閾值設為0.5。

2. CEDN

另外一種方法利用全卷積編碼器-解碼器網(wǎng)絡（CEDN），端到端訓練的數(shù)據(jù)來自 PASCAL VOC 中修正的不準確的多邊形標注，其網(wǎng)絡架構如圖所示。

部分實驗結果見圖：從左到右依此是（a）輸入圖像，（b）GT 輪廓，（c）具有預訓練 CEDN 的輪廓檢測，和（d）具有細調 CEDN 的輪廓檢測。

編輯：黃飛

?